Code
import ibis
import pandas as pd
from ibis import _
ibis.options.interactive = True
pd.options.display.max_rows=1000Using Ibis and Plotly - From Raw Data to Choropleth Maps
Background: Goal is to visualize which states and state counties have experienced the most gain or loss in population from 2010 to 2020
What data do we have? We have census data in its original form that we obtained from US census web site and saved it as a table in a local Postgres database
Code
con = ibis.postgres.connect(
host='localhost',
user='postgres',
password='your_password',
port=5432,
database='analysis',
)Code
con.list_tables()['us_counties_pop_est_2010_2020_raw',
'regions',
'divisions',
'us_states',
'npopchg_by_county_2010_2020',
'npopchg_by_state_2010_2020']Obtaining the raw data - US population totals by State and County
The raw or original data we want is saved as a Postgres table called us_counties_pop_est_2010_2020_raw:
Code
us_counties_pop = con.table('us_counties_pop_est_2010_2020_raw')Code
us_counties_pop┏━━━━━━━━┳━━━━━━━━┳━━━━━━━━━━┳━━━━━━━━┳━━━━━━━━┳━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┓ ┃ sumlev ┃ region ┃ division ┃ state ┃ county ┃ stname ┃ ctyname ┃ census2010pop ┃ estimatesbase2010 ┃ popestimate2010 ┃ popestimate2011 ┃ popestimate2012 ┃ popestimate2013 ┃ popestimate2014 ┃ popestimate2015 ┃ popestimate2016 ┃ popestimate2017 ┃ popestimate2018 ┃ popestimate2019 ┃ popestimate2020 ┃ npopchg_2010 ┃ npopchg_2011 ┃ npopchg_2012 ┃ npopchg_2013 ┃ npopchg_2014 ┃ npopchg_2015 ┃ npopchg_2016 ┃ npopchg_2017 ┃ npopchg_2018 ┃ npopchg_2019 ┃ npopchg_2020 ┃ births2010 ┃ births2011 ┃ births2012 ┃ births2013 ┃ births2014 ┃ births2015 ┃ births2016 ┃ births2017 ┃ births2018 ┃ births2019 ┃ births2020 ┃ deaths2010 ┃ deaths2011 ┃ deaths2012 ┃ deaths2013 ┃ deaths2014 ┃ deaths2015 ┃ deaths2016 ┃ deaths2017 ┃ deaths2018 ┃ deaths2019 ┃ deaths2020 ┃ naturalinc2010 ┃ naturalinc2011 ┃ naturalinc2012 ┃ naturalinc2013 ┃ naturalinc2014 ┃ naturalinc2015 ┃ naturalinc2016 ┃ naturalinc2017 ┃ naturalinc2018 ┃ naturalinc2019 ┃ naturalinc2020 ┃ internationalmig2010 ┃ internationalmig2011 ┃ internationalmig2012 ┃ internationalmig2013 ┃ internationalmig2014 ┃ internationalmig2015 ┃ internationalmig2016 ┃ internationalmig2017 ┃ internationalmig2018 ┃ internationalmig2019 ┃ internationalmig2020 ┃ domesticmig2010 ┃ domesticmig2011 ┃ domesticmig2012 ┃ domesticmig2013 ┃ domesticmig2014 ┃ domesticmig2015 ┃ domesticmig2016 ┃ domesticmig2017 ┃ domesticmig2018 ┃ domesticmig2019 ┃ domesticmig2020 ┃ netmig2010 ┃ netmig2011 ┃ netmig2012 ┃ netmig2013 ┃ netmig2014 ┃ netmig2015 ┃ netmig2016 ┃ netmig2017 ┃ netmig2018 ┃ netmig2019 ┃ netmig2020 ┃ residual2010 ┃ residual2011 ┃ residual2012 ┃ residual2013 ┃ residual2014 ┃ residual2015 ┃ residual2016 ┃ residual2017 ┃ residual2018 ┃ residual2019 ┃ residual2020 ┃ gqestimatesbase2010 ┃ gqestimates2010 ┃ gqestimates2011 ┃ gqestimates2012 ┃ gqestimates2013 ┃ gqestimates2014 ┃ gqestimates2015 ┃ gqestimates2016 ┃ gqestimates2017 ┃ gqestimates2018 ┃ gqestimates2019 ┃ gqestimates2020 ┃ rbirth2011 ┃ rbirth2012 ┃ rbirth2013 ┃ rbirth2014 ┃ rbirth2015 ┃ rbirth2016 ┃ rbirth2017 ┃ rbirth2018 ┃ rbirth2019 ┃ rbirth2020 ┃ rdeath2011 ┃ rdeath2012 ┃ rdeath2013 ┃ rdeath2014 ┃ rdeath2015 ┃ rdeath2016 ┃ rdeath2017 ┃ rdeath2018 ┃ rdeath2019 ┃ rdeath2020 ┃ rnaturalinc2011 ┃ rnaturalinc2012 ┃ rnaturalinc2013 ┃ rnaturalinc2014 ┃ rnaturalinc2015 ┃ rnaturalinc2016 ┃ rnaturalinc2017 ┃ rnaturalinc2018 ┃ rnaturalinc2019 ┃ rnaturalinc2020 ┃ rinternationalmig2011 ┃ rinternationalmig2012 ┃ rinternationalmig2013 ┃ rinternationalmig2014 ┃ rinternationalmig2015 ┃ rinternationalmig2016 ┃ rinternationalmig2017 ┃ rinternationalmig2018 ┃ rinternationalmig2019 ┃ rinternationalmig2020 ┃ rdomesticmig2011 ┃ rdomesticmig2012 ┃ rdomesticmig2013 ┃ rdomesticmig2014 ┃ rdomesticmig2015 ┃ rdomesticmig2016 ┃ rdomesticmig2017 ┃ rdomesticmig2018 ┃ rdomesticmig2019 ┃ rdomesticmig2020 ┃ rnetmig2011 ┃ rnetmig2012 ┃ rnetmig2013 ┃ rnetmig2014 ┃ rnetmig2015 ┃ rnetmig2016 ┃ rnetmig2017 ┃ rnetmig2018 ┃ rnetmig2019 ┃ rnetmig2020 ┃ ┡━━━━━━━━╇━━━━━━━━╇━━━━━━━━━━╇━━━━━━━━╇━━━━━━━━╇━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━┩ │ string │ int16 │ int16 │ string │ string │ string │ string │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ int32 │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ decimal(15, 10) │ ├────────┼────────┼──────────┼────────┼────────┼─────────┼─────────────────┼───────────────┼───────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼──────────────┼─────────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼───────────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┼─────────────────┤ │ 40 │ 3 │ 6 │ 1 │ 0 │ Alabama │ Alabama │ 4779736 │ 4780118 │ 4785514 │ 4799642 │ 4816632 │ 4831586 │ 4843737 │ 4854803 │ 4866824 │ 4877989 │ 4891628 │ 4907965 │ 4921532 │ 5396 │ 14128 │ 16990 │ 14954 │ 12151 │ 11066 │ 12021 │ 11165 │ 13639 │ 16337 │ 13567 │ 14202 │ 59699 │ 59074 │ 57943 │ 58914 │ 59653 │ 59695 │ 58644 │ 58665 │ 57251 │ 56739 │ 11077 │ 48837 │ 48363 │ 50853 │ 49720 │ 51878 │ 51711 │ 53196 │ 54560 │ 54038 │ 58354 │ 3125 │ 10862 │ 10711 │ 7090 │ 9194 │ 7775 │ 7984 │ 5448 │ 4105 │ 3213 │ -1615 │ 1053 │ 5162 │ 6282 │ 5494 │ 4159 │ 5095 │ 6301 │ 3546 │ 3940 │ 2293 │ 2078 │ 1225 │ -1903 │ -114 │ 2294 │ -996 │ -1553 │ -2148 │ 2287 │ 5664 │ 10828 │ 13115 │ 2278 │ 3259 │ 6168 │ 7788 │ 3163 │ 3542 │ 4153 │ 5833 │ 9604 │ 13121 │ 15193 │ -7 │ 7 │ 111 │ 76 │ -206 │ -251 │ -116 │ -116 │ -70 │ 3 │ -11 │ 116185 │ 116242 │ 115184 │ 115810 │ 116946 │ 119052 │ 119980 │ 118641 │ 117111 │ 116600 │ 116778 │ 116767 │ 12.4565526110 │ 12.2862555710 │ 12.0111299310 │ 12.1781980820 │ 12.3014391860 │ 12.2808661550 │ 12.0359415820 │ 12.0096826720 │ 11.6843628100 │ 11.5446395680 │ 10.1901314910 │ 10.0585736220 │ 10.5414284790 │ 10.2776930550 │ 10.6981050760 │ 10.6383427380 │ 10.9178082740 │ 11.1693221960 │ 11.0286212910 │ 11.8732423440 │ 2.2664211203 │ 2.2276819483 │ 1.4697014516 │ 1.9005050271 │ 1.6033341101 │ 1.6425234171 │ 1.1181333085 │ 0.8403604768 │ 0.6557415191 │ -0.3286027760 │ 1.0770821049 │ 1.3065351507 │ 1.1388631559 │ 0.8597129005 │ 1.0506736065 │ 1.2962850766 │ 0.7277717900 │ 0.8065822846 │ 0.4679786191 │ 0.4228090206 │ -0.3970723060 │ -0.0237098070 │ 0.4755282271 │ -0.2058845990 │ -0.3202543890 │ -0.4419013400 │ 0.4693779142 │ 1.1595132133 │ 2.2098876964 │ 2.6684987034 │ 0.6800097985 │ 1.2828253438 │ 1.6143913829 │ 0.6538283011 │ 0.7304192177 │ 0.8543837364 │ 1.1971497042 │ 1.9660954979 │ 2.6778663155 │ 3.0913077241 │ │ 50 │ 3 │ 6 │ 1 │ 1 │ Alabama │ Autauga County │ 54571 │ 54582 │ 54761 │ 55229 │ 54970 │ 54747 │ 54922 │ 54903 │ 55302 │ 55448 │ 55533 │ 55769 │ 56145 │ 179 │ 468 │ -259 │ -223 │ 175 │ -19 │ 399 │ 146 │ 85 │ 236 │ 376 │ 151 │ 639 │ 615 │ 570 │ 637 │ 652 │ 675 │ 667 │ 651 │ 592 │ 606 │ 157 │ 514 │ 560 │ 584 │ 572 │ 585 │ 547 │ 574 │ 563 │ 552 │ 582 │ -6 │ 125 │ 55 │ -14 │ 65 │ 67 │ 128 │ 93 │ 88 │ 40 │ 24 │ 28 │ 16 │ 0 │ 19 │ 19 │ 23 │ 7 │ -3 │ 2 │ -14 │ -8 │ 147 │ 327 │ -329 │ -226 │ 102 │ -107 │ 266 │ 58 │ -3 │ 208 │ 360 │ 175 │ 343 │ -329 │ -207 │ 121 │ -84 │ 273 │ 55 │ -1 │ 194 │ 352 │ 10 │ 0 │ 15 │ -2 │ -11 │ -2 │ -2 │ -2 │ -2 │ 2 │ 0 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 455 │ 11.6192381130 │ 11.1616257860 │ 10.3903679470 │ 11.6167741110 │ 11.8734350100 │ 12.2498979180 │ 12.0451467270 │ 11.7317378650 │ 10.6377243890 │ 10.8297442680 │ 9.3463042095 │ 10.1634316100 │ 10.6455699660 │ 10.4313889980 │ 10.6533120870 │ 9.9269543124 │ 10.3656884880 │ 10.1458808260 │ 9.9189592280 │ 10.4008435050 │ 2.2729339031 │ 0.9981941760 │ -0.2552020200 │ 1.1853851134 │ 1.2201229228 │ 2.3229436051 │ 1.6794582393 │ 1.5858570386 │ 0.7187651615 │ 0.4289007631 │ 0.2909355396 │ 0.0000000000 │ 0.3463455982 │ 0.3464971870 │ 0.4188481675 │ 0.1270359784 │ -0.0541760720 │ 0.0360422054 │ -0.2515678070 │ -0.1429669210 │ 5.9459950905 │ -5.9710160710 │ -4.1196897470 │ 1.8601427933 │ -1.9485545190 │ 4.8273671793 │ 1.0474040632 │ -0.0540633080 │ 3.7375788396 │ 6.4335114463 │ 6.2369306301 │ -5.9710160710 │ -3.7733441490 │ 2.2066399803 │ -1.5297063510 │ 4.9544031578 │ 0.9932279910 │ -0.0180211030 │ 3.4860110330 │ 6.2905445253 │ │ 50 │ 3 │ 6 │ 1 │ 3 │ Alabama │ Baldwin County │ 182265 │ 182263 │ 183121 │ 186579 │ 190203 │ 194978 │ 199306 │ 203101 │ 207787 │ 212737 │ 218071 │ 223565 │ 229287 │ 858 │ 3458 │ 3624 │ 4775 │ 4328 │ 3795 │ 4686 │ 4950 │ 5334 │ 5494 │ 5722 │ 514 │ 2186 │ 2092 │ 2162 │ 2215 │ 2261 │ 2286 │ 2313 │ 2297 │ 2322 │ 2317 │ 534 │ 1829 │ 1883 │ 1902 │ 1988 │ 2099 │ 2021 │ 2103 │ 2325 │ 2386 │ 2543 │ -20 │ 357 │ 209 │ 260 │ 227 │ 162 │ 265 │ 210 │ -28 │ -64 │ -226 │ 51 │ 192 │ 273 │ 240 │ 141 │ 165 │ 211 │ 104 │ 118 │ 63 │ 60 │ 780 │ 2896 │ 3056 │ 4175 │ 3861 │ 3437 │ 4193 │ 4622 │ 5234 │ 5511 │ 5918 │ 831 │ 3088 │ 3329 │ 4415 │ 4002 │ 3602 │ 4404 │ 4726 │ 5352 │ 5574 │ 5978 │ 47 │ 13 │ 86 │ 100 │ 99 │ 31 │ 17 │ 14 │ 10 │ -16 │ -30 │ 2307 │ 2307 │ 2263 │ 2242 │ 2296 │ 2331 │ 2337 │ 2276 │ 2192 │ 2171 │ 2268 │ 2268 │ 11.8258047070 │ 11.1045644430 │ 11.2258912040 │ 11.2355560970 │ 11.2373790710 │ 11.1271197990 │ 11.0005612050 │ 10.6636831260 │ 10.5154471100 │ 10.2329237810 │ 9.8945090614 │ 9.9951696206 │ 9.8758765360 │ 10.0841018150 │ 10.4322240920 │ 9.8372305835 │ 10.0018072690 │ 10.7936714270 │ 10.8052785550 │ 11.2310423710 │ 1.9312956451 │ 1.1093948225 │ 1.3500146684 │ 1.1514542817 │ 0.8051549799 │ 1.2898892156 │ 0.9987539356 │ -0.1299883010 │ -0.2898314450 │ -0.9981185910 │ 1.0386800108 │ 1.4491138112 │ 1.2461673862 │ 0.7152205010 │ 0.8200652573 │ 1.0270438660 │ 0.4946209967 │ 0.5478078402 │ 0.2853028286 │ 0.2649872364 │ 15.6667568300 │ 16.2215817100 │ 21.6781201560 │ 19.5848677600 │ 17.0822078140 │ 20.4094546450 │ 21.9820985250 │ 24.2985274180 │ 24.9572045760 │ 26.1365744220 │ 16.7054368410 │ 17.6706955220 │ 22.9242875430 │ 20.3000882610 │ 17.9022730720 │ 21.4364985110 │ 22.4767195210 │ 24.8463352580 │ 25.2425074040 │ 26.4015616580 │ │ 50 │ 3 │ 6 │ 1 │ 5 │ Alabama │ Barbour County │ 27457 │ 27454 │ 27325 │ 27344 │ 27172 │ 26946 │ 26768 │ 26300 │ 25828 │ 25169 │ 24887 │ 24657 │ 24589 │ -129 │ 19 │ -172 │ -226 │ -178 │ -468 │ -472 │ -659 │ -282 │ -230 │ -68 │ 70 │ 335 │ 301 │ 284 │ 265 │ 274 │ 284 │ 276 │ 273 │ 248 │ 250 │ 131 │ 324 │ 286 │ 293 │ 308 │ 332 │ 279 │ 297 │ 335 │ 322 │ 334 │ -61 │ 11 │ 15 │ -9 │ -43 │ -58 │ 5 │ -21 │ -62 │ -74 │ -84 │ 0 │ -5 │ -11 │ -8 │ 5 │ 13 │ 13 │ 9 │ 8 │ 6 │ 6 │ -69 │ 14 │ -176 │ -211 │ -141 │ -429 │ -492 │ -650 │ -228 │ -161 │ 10 │ -69 │ 9 │ -187 │ -219 │ -136 │ -416 │ -479 │ -641 │ -220 │ -155 │ 16 │ 1 │ -1 │ 0 │ 2 │ 1 │ 6 │ 2 │ 3 │ 0 │ -1 │ 0 │ 3193 │ 3193 │ 3381 │ 3391 │ 3388 │ 3353 │ 3195 │ 2977 │ 2819 │ 2813 │ 2778 │ 2777 │ 12.2555744570 │ 11.0426296870 │ 10.4955837240 │ 9.8670737610 │ 10.3263737090 │ 10.8962553710 │ 10.8241661270 │ 10.9077832830 │ 10.0113030840 │ 10.1531088820 │ 11.8531526090 │ 10.4923325260 │ 10.8281902510 │ 11.4681461070 │ 12.5122484360 │ 10.7044198900 │ 11.6477439850 │ 13.3850087900 │ 12.9985467460 │ 13.5645534660 │ 0.4024218478 │ 0.5502971605 │ -0.3326065260 │ -1.6010723460 │ -2.1858747270 │ 0.1918354819 │ -0.8235778580 │ -2.4772255070 │ -2.9872436620 │ -3.4114445840 │ -0.1829190220 │ -0.4035512510 │ -0.2956502460 │ 0.1861712030 │ 0.4899374388 │ 0.4987722529 │ 0.3529619389 │ 0.3196420010 │ 0.2422089456 │ 0.2436746132 │ 0.5121732609 │ -6.4568200160 │ -7.7977752320 │ -5.2500279260 │ -16.1679354800 │ -18.8766114200 │ -25.4916955900 │ -9.1097970270 │ -6.4992733730 │ 0.4061243553 │ 0.3292542391 │ -6.8603712670 │ -8.0934254780 │ -5.0638567230 │ -15.6779980400 │ -18.3778391700 │ -25.1387336500 │ -8.7901550260 │ -6.2570644280 │ 0.6497989684 │ │ 50 │ 3 │ 6 │ 1 │ 7 │ Alabama │ Bibb County │ 22915 │ 22904 │ 22858 │ 22736 │ 22657 │ 22510 │ 22541 │ 22553 │ 22590 │ 22532 │ 22300 │ 22313 │ 22136 │ -46 │ -122 │ -79 │ -147 │ 31 │ 12 │ 37 │ -58 │ -232 │ 13 │ -177 │ 44 │ 265 │ 245 │ 258 │ 253 │ 252 │ 299 │ 267 │ 243 │ 238 │ 249 │ 32 │ 277 │ 236 │ 276 │ 250 │ 266 │ 243 │ 251 │ 314 │ 232 │ 266 │ 12 │ -12 │ 9 │ -18 │ 3 │ -14 │ 56 │ 16 │ -71 │ 6 │ -17 │ 0 │ 12 │ 19 │ 20 │ 14 │ 14 │ 11 │ 7 │ 8 │ 7 │ 6 │ -59 │ -124 │ -105 │ -151 │ 18 │ 15 │ -30 │ -80 │ -171 │ -1 │ -166 │ -59 │ -112 │ -86 │ -131 │ 32 │ 29 │ -19 │ -73 │ -163 │ 6 │ -160 │ 1 │ 2 │ -2 │ 2 │ -4 │ -3 │ 0 │ -1 │ 2 │ 1 │ 0 │ 2224 │ 2224 │ 2224 │ 2228 │ 2224 │ 2247 │ 2255 │ 2204 │ 2153 │ 2147 │ 2122 │ 2121 │ 11.6243365360 │ 10.7946159100 │ 11.4242699320 │ 11.2317151670 │ 11.1766532130 │ 13.2467935230 │ 11.8345818000 │ 10.8404710920 │ 10.6695357860 │ 11.2038516050 │ 12.1507215860 │ 10.3980789990 │ 12.2213120200 │ 11.0985327740 │ 11.7975783920 │ 10.7657887160 │ 11.1253933780 │ 14.0078515350 │ 10.4005558920 │ 11.9687732010 │ -0.5263850510 │ 0.3965369110 │ -0.7970420880 │ 0.1331823933 │ -0.6209251790 │ 2.4810048069 │ 0.7091884225 │ -3.1673804430 │ 0.2689798938 │ -0.7649215960 │ 0.5263850507 │ 0.8371334787 │ 0.8856023203 │ 0.6215178353 │ 0.6209251785 │ 0.4873402299 │ 0.3102699348 │ 0.3568879372 │ 0.3138098760 │ 0.2699723278 │ -5.4393121900 │ -4.6262639610 │ -6.6862975180 │ 0.7990943597 │ 0.6652769770 │ -1.3291097180 │ -3.5459421120 │ -7.6284796570 │ -0.0448299820 │ -7.4692344030 │ -4.9129271400 │ -3.7891304830 │ -5.8006951980 │ 1.4206121951 │ 1.2862021555 │ -0.8417694880 │ -3.2356721780 │ -7.2715917200 │ 0.2689798938 │ -7.1992620760 │ │ 50 │ 3 │ 6 │ 1 │ 9 │ Alabama │ Blount County │ 57322 │ 57322 │ 57372 │ 57561 │ 57585 │ 57630 │ 57536 │ 57535 │ 57487 │ 57801 │ 57770 │ 57840 │ 57879 │ 50 │ 189 │ 24 │ 45 │ -94 │ -1 │ -48 │ 314 │ -31 │ 70 │ 39 │ 181 │ 741 │ 714 │ 647 │ 620 │ 715 │ 675 │ 681 │ 675 │ 673 │ 665 │ 132 │ 569 │ 587 │ 582 │ 591 │ 634 │ 651 │ 721 │ 718 │ 658 │ 697 │ 49 │ 172 │ 127 │ 65 │ 29 │ 81 │ 24 │ -40 │ -43 │ 15 │ -32 │ -2 │ -8 │ 8 │ 49 │ 43 │ 15 │ 32 │ 0 │ 4 │ -4 │ 1 │ 9 │ 28 │ -100 │ -65 │ -158 │ -90 │ -102 │ 357 │ 10 │ 58 │ 68 │ 7 │ 20 │ -92 │ -16 │ -115 │ -75 │ -70 │ 357 │ 14 │ 54 │ 69 │ -6 │ -3 │ -11 │ -4 │ -8 │ -7 │ -2 │ -3 │ -2 │ 1 │ 2 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 489 │ 12.8944689510 │ 12.4016466050 │ 11.2311764960 │ 10.7670666690 │ 12.4271102190 │ 11.7368851180 │ 11.8138921660 │ 11.6811310800 │ 11.6425914710 │ 11.4933589130 │ 9.9014208278 │ 10.1957514810 │ 10.1028511910 │ 10.2634458090 │ 11.0192837470 │ 11.3195736470 │ 12.5078065370 │ 12.4252623930 │ 11.3830983480 │ 12.0464228000 │ 2.9930481237 │ 2.2058951245 │ 1.1283253049 │ 0.5036208603 │ 1.4078264724 │ 0.4173114708 │ -0.6939143710 │ -0.7441313130 │ 0.2594931234 │ -0.5530638880 │ -0.1392115410 │ 0.1389540236 │ 0.8505836914 │ 0.7467481722 │ 0.2607086060 │ 0.5564152945 │ 0.0000000000 │ 0.0692215175 │ -0.0691981660 │ 0.0172832465 │ 0.4872403922 │ -1.7369252950 │ -1.1283253050 │ -2.7438653770 │ -1.5642516360 │ -1.7735737510 │ 6.1931857609 │ 0.1730537938 │ 1.0033734106 │ 1.1752607610 │ 0.3480288516 │ -1.5979712710 │ -0.2777416140 │ -1.9971172050 │ -1.3035430300 │ -1.2171584570 │ 6.1931857609 │ 0.2422753113 │ 0.9341752444 │ 1.1925440075 │ │ 50 │ 3 │ 6 │ 1 │ 11 │ Alabama │ Bullock County │ 10914 │ 10913 │ 10876 │ 10680 │ 10610 │ 10557 │ 10668 │ 10404 │ 10397 │ 10181 │ 10165 │ 10144 │ 9976 │ -37 │ -196 │ -70 │ -53 │ 111 │ -264 │ -7 │ -216 │ -16 │ -21 │ -168 │ 37 │ 172 │ 121 │ 131 │ 123 │ 124 │ 147 │ 129 │ 112 │ 110 │ 114 │ 53 │ 133 │ 117 │ 119 │ 116 │ 133 │ 131 │ 143 │ 120 │ 95 │ 116 │ -16 │ 39 │ 4 │ 12 │ 7 │ -9 │ 16 │ -14 │ -8 │ 15 │ -2 │ 1 │ 19 │ 8 │ 18 │ 6 │ 1 │ 8 │ 10 │ 14 │ 1 │ 5 │ -24 │ -255 │ -81 │ -83 │ 94 │ -260 │ -31 │ -213 │ -23 │ -37 │ -170 │ -23 │ -236 │ -73 │ -65 │ 100 │ -259 │ -23 │ -203 │ -9 │ -36 │ -165 │ 2 │ 1 │ -1 │ 0 │ 4 │ 4 │ 0 │ 1 │ 1 │ 0 │ -1 │ 1690 │ 1690 │ 1690 │ 1779 │ 1719 │ 1757 │ 1661 │ 1729 │ 1662 │ 1663 │ 1705 │ 1704 │ 15.9584338470 │ 11.3668388910 │ 12.3777578310 │ 11.5901060070 │ 11.7691723610 │ 14.1339358680 │ 12.5376615800 │ 11.0095350440 │ 10.8326357770 │ 11.3320079520 │ 12.3399517540 │ 10.9910756220 │ 11.2439174190 │ 10.9305064780 │ 12.6233864840 │ 12.5955482910 │ 13.8983380310 │ 11.7959304040 │ 9.3554581713 │ 11.5308151090 │ 3.6184820932 │ 0.3757632691 │ 1.1338404120 │ 0.6595995289 │ -0.8542141230 │ 1.5383875775 │ -1.3606764510 │ -0.7863953600 │ 1.4771776060 │ -0.1988071570 │ 1.7628502505 │ 0.7515265383 │ 1.7007606179 │ 0.5653710247 │ 0.0949126803 │ 0.7691937888 │ 0.9719117504 │ 1.3761918805 │ 0.0984785071 │ 0.4970178926 │ -23.6593059900 │ -7.6092062000 │ -7.8423961830 │ 8.8574793875 │ -24.6772968900 │ -2.9806259310 │ -20.7017202800 │ -2.2608866610 │ -3.6437047610 │ -16.8986083500 │ -21.8964557400 │ -6.8576796620 │ -6.1416355650 │ 9.4228504122 │ -24.5823842100 │ -2.2114321430 │ -19.7298085300 │ -0.8846947800 │ -3.5452262540 │ -16.4015904600 │ │ 50 │ 3 │ 6 │ 1 │ 13 │ Alabama │ Butler County │ 20947 │ 20940 │ 20933 │ 20867 │ 20672 │ 20359 │ 20332 │ 20168 │ 20040 │ 19911 │ 19675 │ 19501 │ 19504 │ -7 │ -66 │ -195 │ -313 │ -27 │ -164 │ -128 │ -129 │ -236 │ -174 │ 3 │ 66 │ 273 │ 242 │ 240 │ 252 │ 238 │ 236 │ 239 │ 220 │ 205 │ 200 │ 66 │ 264 │ 274 │ 262 │ 287 │ 276 │ 253 │ 269 │ 272 │ 272 │ 266 │ 0 │ 9 │ -32 │ -22 │ -35 │ -38 │ -17 │ -30 │ -52 │ -67 │ -66 │ 0 │ 2 │ 6 │ 8 │ 22 │ 28 │ 44 │ 23 │ 21 │ 19 │ 16 │ -4 │ -77 │ -170 │ -304 │ -11 │ -153 │ -154 │ -121 │ -205 │ -124 │ 52 │ -4 │ -75 │ -164 │ -296 │ 11 │ -125 │ -110 │ -98 │ -184 │ -105 │ 68 │ -3 │ 0 │ 1 │ 5 │ -3 │ -1 │ -1 │ -1 │ 0 │ -2 │ 1 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 333 │ 13.0622009570 │ 11.6517008110 │ 11.6984718870 │ 12.3860313090 │ 11.7530864200 │ 11.7389574210 │ 11.9646567040 │ 11.1150406710 │ 10.4655911780 │ 10.2550955010 │ 12.6315789470 │ 13.1924215800 │ 12.7708318100 │ 14.1063134350 │ 13.6296296300 │ 12.5845602870 │ 13.4664964580 │ 13.7422321020 │ 13.8860526850 │ 13.6392770160 │ 0.4306220096 │ -1.5407207680 │ -1.0723599230 │ -1.7202821260 │ -1.8765432100 │ -0.8456028650 │ -1.5018397540 │ -2.6271914310 │ -3.4204615070 │ -3.3841815150 │ 0.0956937799 │ 0.2888851441 │ 0.3899490629 │ 1.0813201937 │ 1.3827160494 │ 2.1886191803 │ 1.1514104778 │ 1.0609811550 │ 0.9699816214 │ 0.8204076400 │ -3.6842105260 │ -8.1850790820 │ -14.8180643900 │ -0.5406600970 │ -7.5555555560 │ -7.6601671310 │ -6.0574203400 │ -10.3571969900 │ -6.3304063710 │ 2.6663248301 │ -3.5885167460 │ -7.8961939380 │ -14.4281153300 │ 0.5406600968 │ -6.1728395060 │ -5.4715479510 │ -4.9060098620 │ -9.2962158340 │ -5.3604247500 │ 3.4867324702 │ │ 50 │ 3 │ 6 │ 1 │ 15 │ Alabama │ Calhoun County │ 118572 │ 118533 │ 118420 │ 117767 │ 117227 │ 116528 │ 115991 │ 115550 │ 115036 │ 114746 │ 114298 │ 114070 │ 113469 │ -113 │ -653 │ -540 │ -699 │ -537 │ -441 │ -514 │ -290 │ -448 │ -228 │ -601 │ 316 │ 1384 │ 1356 │ 1307 │ 1316 │ 1386 │ 1365 │ 1338 │ 1287 │ 1271 │ 1230 │ 311 │ 1325 │ 1359 │ 1411 │ 1395 │ 1455 │ 1475 │ 1393 │ 1645 │ 1486 │ 1553 │ 5 │ 59 │ -3 │ -104 │ -79 │ -69 │ -110 │ -55 │ -358 │ -215 │ -323 │ 3 │ 39 │ 81 │ 68 │ 84 │ 77 │ 98 │ 31 │ 50 │ -1 │ 10 │ -113 │ -752 │ -607 │ -660 │ -533 │ -441 │ -500 │ -260 │ -136 │ -15 │ -289 │ -110 │ -713 │ -526 │ -592 │ -449 │ -364 │ -402 │ -229 │ -86 │ -16 │ -279 │ -8 │ 1 │ -11 │ -3 │ -9 │ -8 │ -2 │ -6 │ -4 │ 3 │ 1 │ 2933 │ 2933 │ 2882 │ 2958 │ 2813 │ 2799 │ 2774 │ 2762 │ 2743 │ 2830 │ 3286 │ 3285 │ 11.7195273240 │ 11.5407201890 │ 11.1826484990 │ 11.3195050730 │ 11.9719617690 │ 11.8394004840 │ 11.6458208210 │ 11.2380154030 │ 11.1311567290 │ 10.8113334420 │ 11.2199231960 │ 11.5662527550 │ 12.0724690380 │ 11.9990194350 │ 12.5679685240 │ 12.7934913650 │ 12.1245354290 │ 14.3640523220 │ 13.0140825330 │ 13.6504071830 │ 0.4996041272 │ -0.0255325670 │ -0.8898205390 │ -0.6795143620 │ -0.5960067550 │ -0.9540908810 │ -0.4787146080 │ -3.1260369190 │ -1.8829258040 │ -2.8390737410 │ 0.3302467960 │ 0.6893793033 │ 0.5818057368 │ 0.7225216004 │ 0.6651089872 │ 0.8500082399 │ 0.2698209607 │ 0.4365973350 │ -0.0087577940 │ 0.0878970199 │ -6.3678356560 │ -5.1660893470 │ -5.6469380330 │ -4.5845715830 │ -3.8092605630 │ -4.3367767340 │ -2.2630145090 │ -1.1875447510 │ -0.1313669170 │ -2.5402238740 │ -6.0375888600 │ -4.4767100440 │ -5.0651322970 │ -3.8620499830 │ -3.1441515760 │ -3.4867684940 │ -1.9931935490 │ -0.7509474160 │ -0.1401247110 │ -2.4523268540 │ │ 50 │ 3 │ 6 │ 1 │ 17 │ Alabama │ Chambers County │ 34215 │ 34154 │ 34105 │ 34016 │ 34088 │ 34125 │ 33964 │ 33991 │ 33742 │ 33716 │ 33570 │ 33244 │ 32865 │ -49 │ -89 │ 72 │ 37 │ -161 │ 27 │ -249 │ -26 │ -146 │ -326 │ -379 │ 81 │ 400 │ 392 │ 407 │ 425 │ 422 │ 387 │ 380 │ 344 │ 362 │ 334 │ 80 │ 442 │ 476 │ 454 │ 455 │ 445 │ 444 │ 485 │ 415 │ 449 │ 519 │ 1 │ -42 │ -84 │ -47 │ -30 │ -23 │ -57 │ -105 │ -71 │ -87 │ -185 │ 6 │ 28 │ 34 │ 29 │ 32 │ 21 │ 18 │ 18 │ 19 │ 16 │ 13 │ -54 │ -74 │ 122 │ 57 │ -158 │ 31 │ -209 │ 65 │ -93 │ -255 │ -208 │ -48 │ -46 │ 156 │ 86 │ -126 │ 52 │ -191 │ 83 │ -74 │ -239 │ -195 │ -2 │ -1 │ 0 │ -2 │ -5 │ -2 │ -1 │ -4 │ -1 │ 0 │ 1 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 458 │ 11.7438088110 │ 11.5118054740 │ 11.9332092120 │ 12.4836610910 │ 12.4199838130 │ 11.4272215910 │ 11.2662693820 │ 10.2250096600 │ 10.8360523240 │ 10.1045243460 │ 12.9769087360 │ 13.9786209330 │ 13.3112456570 │ 13.3648606970 │ 13.0969023620 │ 13.1103007400 │ 14.3793175010 │ 12.3354040960 │ 13.4402969440 │ 15.7013417240 │ -1.2330999250 │ -2.4668154590 │ -1.3780364450 │ -0.8811996060 │ -0.6769185490 │ -1.6830791490 │ -3.1130481190 │ -2.1103944360 │ -2.6042446190 │ -5.5968173770 │ 0.8220666168 │ 0.9984729238 │ 0.8502778063 │ 0.9399462468 │ 0.6180560665 │ 0.5314986786 │ 0.5336653918 │ 0.5647534405 │ 0.4789415392 │ 0.3932898698 │ -2.1726046300 │ 3.5827557853 │ 1.6712356882 │ -4.6409845940 │ 0.9123684791 │ -6.1712902130 │ 1.9271250259 │ -2.7643194720 │ -7.6331307810 │ -6.2926379160 │ -1.3505380130 │ 4.5812287090 │ 2.5215134945 │ -3.7010383470 │ 1.5304245457 │ -5.6397915340 │ 2.4607904177 │ -2.1995660320 │ -7.1541892420 │ -5.8993480460 │ │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ … │ └────────┴────────┴──────────┴────────┴────────┴─────────┴─────────────────┴───────────────┴───────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴─────────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴───────────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┴─────────────────┘
Let’s look at how many rows this table has
Code
us_counties_pop.count()3194
and the number of columns
Code
len(us_counties_pop.columns)180That’s a lot of columns and we don’t need most of them. For our purposes, we won’t include most of them and we also need to create new columns. We’ll be using ibis to create more usable data sets from this raw data.
Preparing Usable data from the Raw Data
The raw data has the FIPS codes without leading zeros. We need them to have leading zeros because we’ll see later on, the geo json data that we need to merge with, has the FIPS codes with leading zeros. I could be wrong, but ibis doesn’t have a built-in way to add leading zeros like pandas does with its zfill() method. But, it is relatively easy to implement this once I discovered what ibis’ literal() does and that I can leverage the length() function also. I may submit a feature request to the ibis Github repo.
The transformations that are needed:
- New column: The state FIPS code is a 2-character code that should have a leading zero when the state code is a single digit code
- New column: The county FIPS codes is a 3-character code that should have 2 leading zeros when the county code is a single digit code, 1 leading zero when it is a 2 digit code
- New column: We need the state and county FIPS code combined or concatenated so that we can merge with the geo json data later
- New column: The population total differnces from 2010 to 2020
- New column: The population total differences represented as a percentage
- Transformation: Return only the columns that we will actuall use or need
- Transformation: Rename/relabel column names to be more self explanatory
Based on the requirements above and leveraging ibis’ literal(), length(), mutate(), select(), and relabel() functions, I was able to satisfy those requirements
Ibis API allows you to “chain” your transformations, which is really nice for readability. You can also comment out one or more lines at a time to iteratively see those changes.
Preparing county level data
Code
npopchg_by_county_2010_2020 = (
us_counties_pop
.mutate(state_fips=ibis.literal("0") * (2 - us_counties_pop.state.length()) + us_counties_pop.state)
.mutate(county_fips=ibis.literal("0") * (3 - us_counties_pop.county.length()) + us_counties_pop.county)
.mutate(id=_.state_fips + _.county_fips)
.mutate(npopchg_2010_2020=_.popestimate2020-_.popestimate2010)
.mutate(npopchg_2010_2020_perc_diff=(_.npopchg_2010_2020 / _.popestimate2010) * 100)
.select(_.id, _.state_fips, _.county_fips, _.stname, _.ctyname, _.popestimate2010, _.popestimate2020, _.npopchg_2010_2020, _.npopchg_2010_2020_perc_diff)
.relabel(
{
'stname': 'state_name',
'ctyname': 'county_name'
}
)
)Let’s take a peek at what the transformed data looks like now
Code
npopchg_by_county_2010_2020┏━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ id ┃ state_fips ┃ county_fips ┃ state_name ┃ county_name ┃ popestimate2010 ┃ popestimate2020 ┃ npopchg_2010_2020 ┃ npopchg_2010_2020_perc_diff ┃ ┡━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ string │ string │ string │ string │ int32 │ int32 │ int64 │ float64 │ ├────────┼────────────┼─────────────┼────────────┼─────────────────┼─────────────────┼─────────────────┼───────────────────┼─────────────────────────────┤ │ 01000 │ 01 │ 000 │ Alabama │ Alabama │ 4785514 │ 4921532 │ 136018 │ 2.842286 │ │ 01001 │ 01 │ 001 │ Alabama │ Autauga County │ 54761 │ 56145 │ 1384 │ 2.527346 │ │ 01003 │ 01 │ 003 │ Alabama │ Baldwin County │ 183121 │ 229287 │ 46166 │ 25.210653 │ │ 01005 │ 01 │ 005 │ Alabama │ Barbour County │ 27325 │ 24589 │ -2736 │ -10.012809 │ │ 01007 │ 01 │ 007 │ Alabama │ Bibb County │ 22858 │ 22136 │ -722 │ -3.158632 │ │ 01009 │ 01 │ 009 │ Alabama │ Blount County │ 57372 │ 57879 │ 507 │ 0.883706 │ │ 01011 │ 01 │ 011 │ Alabama │ Bullock County │ 10876 │ 9976 │ -900 │ -8.275101 │ │ 01013 │ 01 │ 013 │ Alabama │ Butler County │ 20933 │ 19504 │ -1429 │ -6.826542 │ │ 01015 │ 01 │ 015 │ Alabama │ Calhoun County │ 118420 │ 113469 │ -4951 │ -4.180882 │ │ 01017 │ 01 │ 017 │ Alabama │ Chambers County │ 34105 │ 32865 │ -1240 │ -3.635831 │ │ … │ … │ … │ … │ … │ … │ … │ … │ … │ └────────┴────────────┴─────────────┴────────────┴─────────────────┴─────────────────┴─────────────────┴───────────────────┴─────────────────────────────┘
Let’s make sure the number of rows match our original raw data set’s number of rows
Code
npopchg_by_county_2010_2020.count()3194
The data looks like it is in a final form that we can use, let’s go ahead and save it as a Postgres table
Code
con.create_table(name='npopchg_by_county_2010_2020', obj=npopchg_by_county_2010_2020, database='analysis', overwrite=True)┏━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ id ┃ state_fips ┃ county_fips ┃ state_name ┃ county_name ┃ popestimate2010 ┃ popestimate2020 ┃ npopchg_2010_2020 ┃ npopchg_2010_2020_perc_diff ┃ ┡━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ string │ string │ string │ string │ int32 │ int32 │ int64 │ float64 │ ├────────┼────────────┼─────────────┼────────────┼─────────────────┼─────────────────┼─────────────────┼───────────────────┼─────────────────────────────┤ │ 01000 │ 01 │ 000 │ Alabama │ Alabama │ 4785514 │ 4921532 │ 136018 │ 2.842286 │ │ 01001 │ 01 │ 001 │ Alabama │ Autauga County │ 54761 │ 56145 │ 1384 │ 2.527346 │ │ 01003 │ 01 │ 003 │ Alabama │ Baldwin County │ 183121 │ 229287 │ 46166 │ 25.210653 │ │ 01005 │ 01 │ 005 │ Alabama │ Barbour County │ 27325 │ 24589 │ -2736 │ -10.012809 │ │ 01007 │ 01 │ 007 │ Alabama │ Bibb County │ 22858 │ 22136 │ -722 │ -3.158632 │ │ 01009 │ 01 │ 009 │ Alabama │ Blount County │ 57372 │ 57879 │ 507 │ 0.883706 │ │ 01011 │ 01 │ 011 │ Alabama │ Bullock County │ 10876 │ 9976 │ -900 │ -8.275101 │ │ 01013 │ 01 │ 013 │ Alabama │ Butler County │ 20933 │ 19504 │ -1429 │ -6.826542 │ │ 01015 │ 01 │ 015 │ Alabama │ Calhoun County │ 118420 │ 113469 │ -4951 │ -4.180882 │ │ 01017 │ 01 │ 017 │ Alabama │ Chambers County │ 34105 │ 32865 │ -1240 │ -3.635831 │ │ … │ … │ … │ … │ … │ … │ … │ … │ … │ └────────┴────────────┴─────────────┴────────────┴─────────────────┴─────────────────┴─────────────────┴───────────────────┴─────────────────────────────┘
So now we’re done creating our data set at the county level. Now, let’s prepare our data at the state level.
Preparing state level data
Let’s recall what our npopchg_by_county_2010_2020 data looks like that we created earlier:
Code
npopchg_by_county_2010_2020┏━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ id ┃ state_fips ┃ county_fips ┃ state_name ┃ county_name ┃ popestimate2010 ┃ popestimate2020 ┃ npopchg_2010_2020 ┃ npopchg_2010_2020_perc_diff ┃ ┡━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ string │ string │ string │ string │ int32 │ int32 │ int64 │ float64 │ ├────────┼────────────┼─────────────┼────────────┼─────────────────┼─────────────────┼─────────────────┼───────────────────┼─────────────────────────────┤ │ 01000 │ 01 │ 000 │ Alabama │ Alabama │ 4785514 │ 4921532 │ 136018 │ 2.842286 │ │ 01001 │ 01 │ 001 │ Alabama │ Autauga County │ 54761 │ 56145 │ 1384 │ 2.527346 │ │ 01003 │ 01 │ 003 │ Alabama │ Baldwin County │ 183121 │ 229287 │ 46166 │ 25.210653 │ │ 01005 │ 01 │ 005 │ Alabama │ Barbour County │ 27325 │ 24589 │ -2736 │ -10.012809 │ │ 01007 │ 01 │ 007 │ Alabama │ Bibb County │ 22858 │ 22136 │ -722 │ -3.158632 │ │ 01009 │ 01 │ 009 │ Alabama │ Blount County │ 57372 │ 57879 │ 507 │ 0.883706 │ │ 01011 │ 01 │ 011 │ Alabama │ Bullock County │ 10876 │ 9976 │ -900 │ -8.275101 │ │ 01013 │ 01 │ 013 │ Alabama │ Butler County │ 20933 │ 19504 │ -1429 │ -6.826542 │ │ 01015 │ 01 │ 015 │ Alabama │ Calhoun County │ 118420 │ 113469 │ -4951 │ -4.180882 │ │ 01017 │ 01 │ 017 │ Alabama │ Chambers County │ 34105 │ 32865 │ -1240 │ -3.635831 │ │ … │ … │ … │ … │ … │ … │ … │ … │ … │ └────────┴────────────┴─────────────┴────────────┴─────────────────┴─────────────────┴─────────────────┴───────────────────┴─────────────────────────────┘
The data above has data broken up at the state and county level (“too granular”), but what we need instead, is to “roll the data up” or combine the population totals at the state level. To do this requires what is known as aggregating the data. What we need to accomplish this is to tell ibis to calculate the sum of the 2010 population totals for each state (the sums are aggregated or grouped by state) and do the same for the 2020 population totals.
Now, let’s make 2 data sets from this data set: one which has aggregate sum for year 2010 and the other has aggregate sum for year 2020. Then we will merge them together.
Code
npopchg_2010 = npopchg_by_county_2010_2020.group_by(npopchg_by_county_2010_2020.state_name).aggregate(sum=npopchg_by_county_2010_2020.popestimate2010.sum()).relabel({"sum": "popestimate2010_sum"})
npopchg_2020 = npopchg_by_county_2010_2020.group_by(npopchg_by_county_2010_2020.state_name).aggregate(sum=npopchg_by_county_2010_2020.popestimate2020.sum()).relabel({"sum": "popestimate2020_sum"})Here’s what our 2010 data looks like:
Code
npopchg_2010.head()┏━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┓ ┃ state_name ┃ popestimate2010_sum ┃ ┡━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━┩ │ string │ int64 │ ├────────────────┼─────────────────────┤ │ Oklahoma │ 7520028 │ │ North Carolina │ 19149172 │ │ Colorado │ 10095078 │ │ Mississippi │ 5941230 │ │ Florida │ 37692286 │ └────────────────┴─────────────────────┘
Here’s what our 2020 data looks like:
Code
npopchg_2020.head()┏━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┓ ┃ state_name ┃ popestimate2020_sum ┃ ┡━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━┩ │ string │ int64 │ ├────────────────┼─────────────────────┤ │ Oklahoma │ 7961566 │ │ North Carolina │ 21201646 │ │ Colorado │ 11615438 │ │ Mississippi │ 5933572 │ │ Florida │ 43466624 │ └────────────────┴─────────────────────┘
Now we’ll merge them together based on state name using ibis’ inner_join() method and create additional columns using its mutate() method
Code
npopchg_by_state_2010_2020 = (
npopchg_2010
.inner_join(npopchg_2020, npopchg_2010.state_name == npopchg_2020.state_name)
.mutate(popestimate_diff=_.popestimate2020_sum - _.popestimate2010_sum)
.mutate(popestimate_perc_diff=(_.popestimate_diff / _.popestimate2010_sum) * 100)
.order_by(_.state_name)
)Code
npopchg_by_state_2010_2020┏━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ state_name ┃ popestimate2010_sum ┃ popestimate2020_sum ┃ popestimate_diff ┃ popestimate_perc_diff ┃ ┡━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ int64 │ int64 │ int64 │ float64 │ ├──────────────────────┼─────────────────────┼─────────────────────┼──────────────────┼───────────────────────┤ │ Alabama │ 9571028 │ 9843064 │ 272036 │ 2.842286 │ │ Alaska │ 1427964 │ 1462316 │ 34352 │ 2.405663 │ │ Arizona │ 12814684 │ 14842802 │ 2028118 │ 15.826516 │ │ Arkansas │ 5843996 │ 6061044 │ 217048 │ 3.714034 │ │ California │ 74639100 │ 78736156 │ 4097056 │ 5.489155 │ │ Colorado │ 10095078 │ 11615438 │ 1520360 │ 15.060409 │ │ Connecticut │ 7158346 │ 7114012 │ -44334 │ -0.619333 │ │ Delaware │ 1799294 │ 1973618 │ 174324 │ 9.688467 │ │ District of Columbia │ 1210564 │ 1425632 │ 215068 │ 17.765934 │ │ Florida │ 37692286 │ 43466624 │ 5774338 │ 15.319681 │ │ … │ … │ … │ … │ … │ └──────────────────────┴─────────────────────┴─────────────────────┴──────────────────┴───────────────────────┘
As can be seen from above, we’ve added 2 new columns: popestimate_diff contains the population gain or loss from 2010 to 2020 and another column representing this as a percentage (popestimate_perc_diff).
Let’s see how many rows we have
Code
npopchg_by_state_2010_2020.count()51
If you’re wondering why we have 51 states and not 50 states, it is because “District of Columbia” was also included as a state.
Looks like our data has what we need with regards to sums, differences, and percent differences at the state level for 2010 and 2020. So we’ll save this as a Postgres table.
Code
con.create_table(name='npopchg_by_state_2010_2020', obj=npopchg_by_state_2010_2020, database='analysis', overwrite=True)┏━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ state_name ┃ popestimate2010_sum ┃ popestimate2020_sum ┃ popestimate_diff ┃ popestimate_perc_diff ┃ ┡━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ int64 │ int64 │ int64 │ float64 │ ├──────────────────────┼─────────────────────┼─────────────────────┼──────────────────┼───────────────────────┤ │ Alabama │ 9571028 │ 9843064 │ 272036 │ 2.842286 │ │ Alaska │ 1427964 │ 1462316 │ 34352 │ 2.405663 │ │ Arizona │ 12814684 │ 14842802 │ 2028118 │ 15.826516 │ │ Arkansas │ 5843996 │ 6061044 │ 217048 │ 3.714034 │ │ California │ 74639100 │ 78736156 │ 4097056 │ 5.489155 │ │ Colorado │ 10095078 │ 11615438 │ 1520360 │ 15.060409 │ │ Connecticut │ 7158346 │ 7114012 │ -44334 │ -0.619333 │ │ Delaware │ 1799294 │ 1973618 │ 174324 │ 9.688467 │ │ District of Columbia │ 1210564 │ 1425632 │ 215068 │ 17.765934 │ │ Florida │ 37692286 │ 43466624 │ 5774338 │ 15.319681 │ │ … │ … │ … │ … │ … │ └──────────────────────┴─────────────────────┴─────────────────────┴──────────────────┴───────────────────────┘
When using Plotly and to plot at the state level, we need to obtain 2-character state codes. Our table we just created doesn’t have it, but luckily we have a table that maps state name to its corresponding 2-character state code in our Postgres database.
Code
us_states = con.table('us_states')Code
us_states┏━━━━━━━━━━━━━┳━━━━━━━━━━━━┓ ┃ state_name ┃ state_code ┃ ┡━━━━━━━━━━━━━╇━━━━━━━━━━━━┩ │ string │ string │ ├─────────────┼────────────┤ │ Alabama │ AL │ │ Alaska │ AK │ │ Arizona │ AZ │ │ Arkansas │ AR │ │ California │ CA │ │ Colorado │ CO │ │ Connecticut │ CT │ │ Delaware │ DE │ │ Florida │ FL │ │ Georgia │ GA │ │ … │ … │ └─────────────┴────────────┘
Code
us_states.count()51
Let’s confirm it has District of Columbia and its corresponding state code
Code
us_states.filter(us_states.state_name.contains("District"))┏━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┓ ┃ state_name ┃ state_code ┃ ┡━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━┩ │ string │ string │ ├──────────────────────┼────────────┤ │ District of Columbia │ DC │ └──────────────────────┴────────────┘
Now, we’ll merge our table we created earlier to this state name to state code table so that our data will have the 2-character state code included
Code
npopchg_by_state_2010_2020 = npopchg_by_state_2010_2020.inner_join(us_states, npopchg_by_state_2010_2020.state_name == us_states.state_name)Code
npopchg_by_state_2010_2020┏━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┓ ┃ state_name ┃ popestimate2010_sum ┃ popestimate2020_sum ┃ popestimate_diff ┃ popestimate_perc_diff ┃ state_code ┃ ┡━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━┩ │ string │ int64 │ int64 │ int64 │ float64 │ string │ ├──────────────────────┼─────────────────────┼─────────────────────┼──────────────────┼───────────────────────┼────────────┤ │ Alabama │ 9571028 │ 9843064 │ 272036 │ 2.842286 │ AL │ │ Alaska │ 1427964 │ 1462316 │ 34352 │ 2.405663 │ AK │ │ Arizona │ 12814684 │ 14842802 │ 2028118 │ 15.826516 │ AZ │ │ Arkansas │ 5843996 │ 6061044 │ 217048 │ 3.714034 │ AR │ │ California │ 74639100 │ 78736156 │ 4097056 │ 5.489155 │ CA │ │ Colorado │ 10095078 │ 11615438 │ 1520360 │ 15.060409 │ CO │ │ Connecticut │ 7158346 │ 7114012 │ -44334 │ -0.619333 │ CT │ │ Delaware │ 1799294 │ 1973618 │ 174324 │ 9.688467 │ DE │ │ District of Columbia │ 1210564 │ 1425632 │ 215068 │ 17.765934 │ DC │ │ Florida │ 37692286 │ 43466624 │ 5774338 │ 15.319681 │ FL │ │ … │ … │ … │ … │ … │ … │ └──────────────────────┴─────────────────────┴─────────────────────┴──────────────────┴───────────────────────┴────────────┘
Population Difference by State
Now that we have our population difference between 2020 and 2010 by 2-character state code, we can finally start making a Plotly plot.
Using Plotly with ibis table expressions isn’t supported, but we can easily convert our ibis table expression to a pandas dataframe using to_pandas() method
Code
df_npopchg_by_state_2010_2020 = npopchg_by_state_2010_2020.to_pandas()Code
type(df_npopchg_by_state_2010_2020)pandas.core.frame.DataFrameLet’s create a Plotly choropleth map of the population difference from 2010 to 2020
Code
import plotly.express as px
fig = px.choropleth(
df_npopchg_by_state_2010_2020,
locations='state_code',
locationmode="USA-states",
scope="usa",
color='popestimate_diff',
color_continuous_scale="YlGnBu",
title='2010 to 2020 Population Change',
labels={'popestimate_diff': 'Population Diff.'},
width=1200,
height=600,
)
fig.show()But as an experienced data analyst, you do wonder if using straight quantity of the population change really tell us much. Does it really show an apples-to-apples comparison? How about we use the percent change in population instead so that there is an even playing field or baseline to compare one state to another?
Code
import plotly.express as px
fig = px.choropleth(
df_npopchg_by_state_2010_2020,
locations='state_code',
locationmode="USA-states",
scope="usa",
color='popestimate_perc_diff',
color_continuous_scale="YlGnBu",
title='2010 to 2020 % Population Change',
labels={'state_name': 'State Name', 'popestimate_perc_diff': '2010 to 2020 % Diff'},
width=1200,
height=600,
)
fig.show()Now, let’s look at population difference by County
Per Plotly’s documenation, we need to obtain geo json data
Code
from urllib.request import urlopen
import json
with urlopen('https://raw.githubusercontent.com/plotly/datasets/master/geojson-counties-fips.json') as response:
counties = json.load(response)Let’s refresh our memory what our county level data looks like:
Code
npopchg_by_county_2010_2020┏━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ id ┃ state_fips ┃ county_fips ┃ state_name ┃ county_name ┃ popestimate2010 ┃ popestimate2020 ┃ npopchg_2010_2020 ┃ npopchg_2010_2020_perc_diff ┃ ┡━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┩ │ string │ string │ string │ string │ string │ int32 │ int32 │ int64 │ float64 │ ├────────┼────────────┼─────────────┼────────────┼─────────────────┼─────────────────┼─────────────────┼───────────────────┼─────────────────────────────┤ │ 01000 │ 01 │ 000 │ Alabama │ Alabama │ 4785514 │ 4921532 │ 136018 │ 2.842286 │ │ 01001 │ 01 │ 001 │ Alabama │ Autauga County │ 54761 │ 56145 │ 1384 │ 2.527346 │ │ 01003 │ 01 │ 003 │ Alabama │ Baldwin County │ 183121 │ 229287 │ 46166 │ 25.210653 │ │ 01005 │ 01 │ 005 │ Alabama │ Barbour County │ 27325 │ 24589 │ -2736 │ -10.012809 │ │ 01007 │ 01 │ 007 │ Alabama │ Bibb County │ 22858 │ 22136 │ -722 │ -3.158632 │ │ 01009 │ 01 │ 009 │ Alabama │ Blount County │ 57372 │ 57879 │ 507 │ 0.883706 │ │ 01011 │ 01 │ 011 │ Alabama │ Bullock County │ 10876 │ 9976 │ -900 │ -8.275101 │ │ 01013 │ 01 │ 013 │ Alabama │ Butler County │ 20933 │ 19504 │ -1429 │ -6.826542 │ │ 01015 │ 01 │ 015 │ Alabama │ Calhoun County │ 118420 │ 113469 │ -4951 │ -4.180882 │ │ 01017 │ 01 │ 017 │ Alabama │ Chambers County │ 34105 │ 32865 │ -1240 │ -3.635831 │ │ … │ … │ … │ … │ … │ … │ … │ … │ … │ └────────┴────────────┴─────────────┴────────────┴─────────────────┴─────────────────┴─────────────────┴───────────────────┴─────────────────────────────┘
Looks good, so now convert this ibis table expresssion to pandas dataframe:
Code
df_npopchg_by_county_2010_2020 = npopchg_by_county_2010_2020.to_pandas()First, let’s plot straight qty of the population difference from 2010 to 2020
Code
import plotly.express as px
fig = px.choropleth(
df_npopchg_by_county_2010_2020,
geojson=counties,
locations='id',
color='npopchg_2010_2020',
color_continuous_scale="YlGnBu",
range_color=(500, 100000),
scope="usa",
hover_data=['state_name','county_name'],
labels={'state_name': 'State Name', 'county_name': 'County Name', 'npopchg_2010_2020': '2010 to 2020 diff'},
width=1200,
height=600,
title='2010 to 2020 Population Change',
)
fig.show()Now, let’s plot using percent change instead
Code
import plotly.express as px
fig = px.choropleth(
df_npopchg_by_county_2010_2020,
geojson=counties,
locations='id',
color='npopchg_2010_2020_perc_diff',
color_continuous_scale="YlGnBu",
range_color=(-20, 80),
scope="usa",
hover_data=['state_name','county_name'],
labels={'state_name': 'State Name', 'county_name': 'County Name', 'npopchg_2010_2020_perc_diff': '2010 to 2020 % diff'},
width=1200,
height=600,
title='2010 to 2020 % Population Change',
)
fig.show()counties